一種高速列車動力學性能參數優化方法
【技術領域】
[0001] 本發明涉及高速列車運行性能相關系統的仿真分析和高速列車參數設計優化技 術領域，特別是基于高速列車動力學仿真分析基礎上的參數設計優化。
【背景技術】
[0002] 高速列車系統從動力學的角度來看，為非線性復雜空間耦合系統，其中涉及到軌 道（橋梁）系統、高速列車機車車輛系統以及弓網系統等。必須綜合結構動力學、車輛系統 動力學、耦合動力作用、空氣動力學、非線性理論等方面，進行復雜深入的研宄，才能解決高 速列車的設計優化問題。
[0003] 結構動力學是運用相關方法對高速列車結構中特有的問題進行研宄，包括了車體 結構動力學和軌道橋梁結構動力學，如車體和轉向架結構優化和輕量化、噪聲控制、撞車保 護、載荷的運行速度效應、線路不平順處車輪的撞擊、機車的不平衡性、車輛簧上結構的振 動、橫向固有運動等問題。車輛系統動力學是將高速列車和線路組成一個復雜的多自由度 振動系統，研宄其高速運行過程，在各種位移、速度、加速度作用下，車輛整機、懸掛裝置、牽 引緩沖裝置、車線、車橋和弓網間的相互作用關系，包括了輪軌接觸理論、車輛動力學、多體 系統動力學等，為設計提供依據，以確保高速列車的安全性、平穩性和舒適性。耦合動力作 用是指在高速的情況下，車路、車橋、弓網是耦合成一體的動力學系統，不能看成獨立系統。 空氣動力學是影響高速列車能耗、噪聲水平、安全性和舒適度的重要指標，主要包括空氣阻 力、橫向風作用下的穩定性、列車交匯時候的壓力沖擊、不同環境下的空氣動力學、受電弓 的氣動力特性和空氣動力噪聲等。
[0004] 可見，高速列車系統動力學的復雜程度非常高，涉及到數學、物理、機械工程、材料 科學和計算機信息技術等眾多學科，在研宄過程中需要將車輛系統考慮成多剛體系統，并 考慮其中的軌道不平順、線路的空間幾何、非線性環節、輪軌接觸在空間上的幾何關系等問 題，以解決高速列車動態性能的參數匹配問題。高速列車仿真系統中建模時候的機理一般 是多剛體系統理論中的拉格朗日方法建立復雜系統的動力學方程【袁士杰，呂哲勤.多剛 體系統動力學[M].北京：北京理工大學出版社，1992】再對這些動力學方程采用各種數值 方法進行求解，而由于設計空間的復雜性，求解這些龐大的非線性微分動力學方程組的過 程往往難以順利進行，更難以收斂到一個設計空間上的最優解。
[0005] 基于以上分析，本文引入減少計算復雜度和分析復雜度的近似代理模型，用 基于貝葉斯正則化【FDForeseeandMTHagan.Gauss-NewtonApproximationto BayesianLearning[C].IEEEInternationalJointConferenceonNeuralNetworks Proceedings.USA:Piscataway, 1998.】的整體目標神經網絡模型代替高速列車系統動 力學建模的仿真模型，以此獲得整個影響高速列車性能設計參數集與其動態響應之間 的優化全局模型，但高速列車上的情況比較少，研宄也比較有局限性。韓國Youngguk Kim、ChankyoungPark等將代理模型用于韓國高速列車KHST上，進行優化設計【Design OptimizationforSuspensionSystemofHighSpeedTrainUsingNeuralNetwork[J]. JSMEInternationalJournal,SeriesC, 2003, 46 (2): 727-735】，但是在建模時僅考慮懸掛 系統本身，這在高速列車系統設計中，顯得原始設計變量集不足，對于輸出指標，除了脫軌 系數、舒適平穩性和輪對減重率被考慮外，傾覆系數、臨界速度等未考慮成安全度指標。國 內的采用代理模型的研宄中大部分都僅僅對其中某一項響應指標或少量指標進行簡單地 探索，代理高速列車動力學性能整體代理模型的研宄鮮有報道。
[0006] 目前，尚未發現求解全面考慮運行指標的復雜設計空間的高速列車動力學性能 參數多目標優化問題的相關文獻，該問題復雜程度高。通過結合代理模型技術和多目標 優化算法中的差分進化智能算法【周艷平.差分進化算法研宄進展[J].化工自動化及儀 表，2007, 3:1-6】，可將高速列車仿真分析技術和參數優化設計無縫連接起來，使得高速列 車動力學性能參數的多目標優化問題的求解成為可能。
[0007] 研宄的關鍵內容包括了 ：構建高速列車多剛體動力學仿真模型；構建整體目標神 經網絡代理模型；基于代理模型的多目標優化。

【發明內容】

[0008] 本發明的目的是提供一種高速列車動力學性能參數的優化方法，它能有效地利用 整體目標神經網絡代理模型，取代高速列車動力學仿真模型，將高速列車在多學科領域下 的設計分析和多目標優化算法相結合，進行基于高速列車動力學仿真近似模型的分析和優 化，從而將高速列車的CAD和CAE相結合成一個整體設計過程，提高高速列車動力學性能。
[0009] 本發明的目的是通過以下技術方案來實現的：
[0010] 一種高速列車動力學性能參數的優化方法，步驟如下：
[0011] 第一、基于動力學分析軟件，建立高速列車動力學仿真模型；
[0012] 第二、根據所構建的動力學仿真模型，確定該模型所需的輸入變量、取值范圍和輸 出評價指標；
[0013] 第三、根據取樣策略，得到均勻且充滿整個高速列車動力學性能分析的設計空間 的樣本點集。
[0014] 第四、采用貝葉斯正則化BP神經網絡方法訓練樣本，調整神經網絡整個權值空間 的概率分布情況，控制有效權值的范圍，在此基礎上，構建高速列車動力學仿真模型的整體 目標神經網絡代理模型；
[0015] 第五、擬定誤差控制規則，并計算相關誤差，判斷是否誤差范圍、預測能力是否滿 足要求，如否則調整神經網絡結構和規模，轉步驟三，直到使整體目標神經網絡代理模型能 夠達到誤差范圍和預測能力的要求。
[0016] 第六、建立高速列車動力學性能參數設計的多目標優化數學模型；
[0017] 第七、利用差分進化算法進行多目標優化求解，計算過程中反復調用整體目標輸 出神經網絡，得到優化后的高速列車動力學性能設計參數；
[0018] 第八、對優化后的高速列車動力學性能設計參數進行仿真驗證，判斷是否有滿足 性能要求的解，如否轉到前一步，通過產生的新初始解，反復重新求解，如是則輸出優化設 計結果。
[0019] 所述取樣策略是按照設計變量維數的多少進行選取的，當設計變量維數小于10， 采用隨機試驗設計、或全析因試驗設計、或正交試驗設計、或拉丁超立方試驗設計；當設計 變量維數大于10,推薦采用拉丁超立方試驗設計。
[0020] 所述神經網絡為三層反饋形式，輸入層到隱含層的神經元采用非線性轉化，從隱 含層到輸出層則采用線性回歸轉化，輸入層和輸出層的神經元的數目，被分別定義為設計 參數變量數n和指標參數變量數7,隱含層的節點數用m表示。
[0021] 所述整體目標神經網絡代理模型在構建時，須滿足輸出層的神經元的數目與所需 優化的全部目標數相等，即對n個輸入層和七個指標建立一個n-m-7整體目標神經網絡代 理模型。
[0022] 所述誤差控制規則采用的指標為相關系數R、相對誤差和平均相對誤差，相關系數 R的值越接近1，則說明構建模型的樣本點的預測值越接近于仿真值。
[0023] 所述多目標優化數學模型涉及到高速列車動力學性能指標中的橫向平穩性指標、 垂向平穩性指標、脫軌系數、輪重減載率、輪軸橫向力、傾覆系數和臨界速度七項子目標，除 前六項為求解子目標的最小值外，最后一項為求解子目標的最大值，但進行負數轉化后，七 項指標均為最小值求優。
[0024] 本發明有效地將高速列車設計分析和優化相結合，解決了涉及多學科領域中的高 速列車仿真系統如SIMPACK進行列車動力學分析時，因需處理過多的設計變量而導致參數 設計優化變得異常困難的問題，最終在小計算成本下高效地實現高速列車的參數設計優化 過程，從而改善高速列車運行安全性、平穩舒適性和曲線通過能力等多項性能指標，這對于 提高我國高速列車的設計和分析能力有重要的意義和顯著的工程實際應用價值。
[0025] 本發明與現有技術相比的優點與效果：
[0026] -、簡化求解過程，使得求解過程成為可能
[0027] 現有研宄主要采用建立微分方程組的方式進行靈敏度分析，研宄出一些設計參數 對目標響應指標的影響程度，再去掉那些影響程度非常小的設計變量參數，得到簡化的小 維數變量的優化模型，從而降低求解難度。但是由于龐大的微分方程組，使得求解過程異常 復雜，往往得不到有意義的解。代理模型的研宄將高速列車參數設計和優化過程結合起來， 最終可得到令人滿意的優化解。
[0028] 二、考慮了高速列車整車的設計空間
[0029] 現有設計高速列車所使用的代理模型，往往限于解決高速列車的某些局部問題。 如高速列車轉向架、懸掛系統等局部構件，解決的或者是結構問題或者是局部性能問題，而 本研宄立足于高速列車整車的設計空間，設計變量涉及整車的結構參數和性能參數，性能 上除了磨耗指標之外，其他的橫向平穩性指標、垂